隧道监控量测数据反分析技术研究

结合某隧道监测断面各施工阶段位移变化情况,应用MIDAS GTS软件建立三维模型,通过反分析计算确定了弹性模量E及侧压力系数K0的取值范围。通过对隧道各施工阶段的变形情况进行模拟,采用黄金分割法对隧道拱顶下沉和净空位移量测值进行了反分析计算,与实测值对比分析后说明计算结果准确可靠。     

基于主客观综合定权法的单值中智TODIM决策方法

定权问题是多属性决策问题中的核心内容,传统定权方法大多仅单方面从主观或客观角度确定权重,合理的属性权重应综合考虑专家偏好与决策数据.因此,文中以单值中智集为研究对象,设计基于熵权法和DEMATEL法的主客观综合定权法,充分考虑决策者的有限理性特点,提出基于单值中智集的TODIM决策方法.首先,分析现有记分函数的缺陷,提出一种新的记分函数,实现单值中智数的大小比较;其次,提出主客观综合定权方法,其中,运用熵权法确定客观权重,根据DEMETAL方法获得主观权重,根据线性加权法确定各属性的综合权重;再次,将TODIM方法拓展到单值中智集理论,构建了基于单值中智集的TODIM方法模型;最后,以决策者投资中小企业为决策背景进行案例分析,验证文中方法的可行性和合理性.     

基于多点线圈联合数据的高速公路匝道影响范围识别

为准确识别高速公路匝道对主线车流的影响等级和范围，本文提出基于速度波动特性的高速公路匝道影响量化方法。通过建立改进加权速度排列熵指标以量化各服务水平下匝道对高速公路主线车流的影响，对建立的指标进行谱聚类分析来确定匝道的影响阈值。应用京昆高速及二广高速的99个平行式合流匝道和直接式分流匝道多点主线线圈检测器数据的分析结果表 明，所提出方法可识别高速公路主线车流受匝道的影响程度。合流匝道对主线最外侧车道的影响比次外侧车道高4%~69%；A~C级服务水平下，分流匝道对上游主线最外侧车道影响程度比次 外侧车道高6%~29%，D~F级服务水平下，最外侧车道受影响程度比次外侧车道低10%~13%。合流匝道的影响范围是合流点上游350m至下游550m；其中上游160m至下游100m和下游180~ 270m为核心影响范围。分流匝道影响范围为分流点至主线上游850m，其中750~850m、450~ 600m、100~300m为核心影响范围。研究成果可为高速公路匝道交通设计、管控策略和提升仿真可靠性提供依据，可有效降低设置匝道带来的影响。     

新冠肺炎交通防控政策对长沙市人口流动的影响

为探究新冠肺炎疫情下交通防控政策对长沙市人口流动的影响，本文根据长沙市在新冠 肺炎疫情期间颁布的交通防控政策和疫情实时防控情况划分防控阶段，基于百度迁徙大数据，利 用双重差分模型，识别长沙市不同阶段的交通防控政策以及量化防控效果，分析交通防控政策对 长沙市人口流动的影响。结果显示，长沙市在交通管制阶段，平均人口迁出强度、平均人口迁入 强度及城市内部出行强度分别下降了83.68%、69.24%及59.74%，有效地控制了人口流动，降低了 疫情扩散危险。在交通恢复阶段，长沙市人口流动强度逐渐反弹，城市内部出行强度基本恢复到 2019年同期水平。本文研究结果显示了交通管制对疫情扩散限制的有效性，为常态化疫情防控 下精准防控政策和复工复产政策制定提供参考。     

预制节段拼装结构套筒连接检测方法综述

随着我国逐步推进预制节段拼装结构的应用,灌浆套筒作为节段拼装可靠的钢筋连接方式,广泛应用于桥梁建造中。本文介绍了目前钢筋套筒连接使用中的容易产生的缺陷及其影响,针对这些问题,本文介绍了几种主要检测方法,对其检测原理进行了简要阐述,总结了检测效果及其适用范围,并归纳了现有规范中对于这些检测方法的要求。同时对于套筒连接施工中的质量控制,本文以实际工程项目为例提出了一些监控措施。     

强化铁路检修车管理的思考

如何准确、均衡地扣修铁路运用车辆,既保证维修单位任务完成,又满足提高运输效率要求,是铁路运输管理的难点之一。本文以南宁局集团公司为例,总结分析针对检修车扣车不均衡、检修车超定量问题,采取集成数据,编制检修车管理指导子系统,强化检修车的监控与预测、扣车追踪、动态管控、均衡扣车等措施的落实效果,旨在为有效提升检修车管送能力,确保运输用车需求提供借鉴。     

基于改进TOPSIS的城市客运综合交通枢纽评价

城市客运综合交通枢纽规划方案的优劣对城市综合交通系统的建设发展具有重大影响。为了提高城市客运综合交通枢纽规划方案评价的客观性和准确性,结合城市客运综合交通枢纽客流衔接换乘的系统分析,从多维角度出发构建了城市客运综合交通枢纽规划方案评价的多层次指标体系,在遵循方案评价基本原理及城市客运综合交通枢纽特点的基础上,提出了基于改进逼近理想点排序法的评价方法,用于城市客运综合交通枢纽方案的评价,建立城市客运综合交通枢纽综合评价模型。     

基于数据驱动的船舶油耗预测模型研究

以某客滚船为研究对象,将大量航行实际数据进行预处理,通过斯皮尔曼等级相关分析选择出船舶左右桨螺距、左右舷舵角、纵倾、船首风速、船舶对水和对地航速为油耗主要影响参数。建立基于LSTM神经网络的黑箱模型对数据进行学习并预测油耗,额外选取测试样本验证模型精度,优化模型内部结构以进一步提高预测精度。将最终得到的预测数据与实测数据对比,证明模型具有良好的准确性。该研究方法能为船舶运营人员优化运营方案提供参考,能够提高水路交通运输的经济性。